在Python中检测普通背景上对象的主要颜色

Question

我写了一个算法，用一个对象检测图像的主要颜色，假设背景是平的。以下是我目前正在运行的基本步骤：

• 在整个图像上运行k-means算法（k = 10）
• 删除与像素（0,0）
具有相同类别的点
• 运行新的k-means算法，其余点（k = 3）=＆gt; 3种主要颜色

虽然它可能不是最聪明的算法，但我对结果非常满意，除非对象的大部分颜色与背景颜色相同。例如，当对象在白色背景上主要是白色时，该算法自然倾向于将对象的白点与背景分类。

我如何才能获得适用于所有情况的通用方法（我对白色物体没有先验知识）？假设物体在水平和垂直方向都居中，这是可以的。然而，没有任何关于物体的形状或其中的颜色数量的假设（有时它是普通的，有时它有许多不同的颜色）。谢谢！

（我相信我已经阅读了所有相关的帖子！）

编辑： 我得到的典型结果：

这就是第一个k-means如何对点进行分类（左：k = 10，右：k = 3）：

Answer 1

一些想法：

1）如果背景颜色是常量（例如，所有像素都是相同的颜色），您可以通过找到空间连接的最大组件并包含全部相同的像素（或在某个阈值内相同）来找到背景颜色。您可以删除背景，然后在剩余图像上运行K-Means。

2）如果图像中的组件属于与背景相同的群集，但未在图像中连接，则可以通过运行连接的组件算法将其拆分。或者，如果您在运行K-Means时不包含空间信息（例如，像素坐标），则可以这样做。

3）您也可以尝试增加K直到对象从背景中分离（对于大多数/所有图像）。

Answer 2

你不清楚目前的问题是什么。你能发布截图吗？

也许您的意思是对象边缘附近的区域（对象和背景之间）被错误地归类为背景颜色，即您的算法剪裁太多。在这种情况下，您可以使用边缘检测算法来检测对象和背景之间的边界。一旦你知道边缘，就会知道内部，因此你应该能够切除除内部之外的所有内容，然后重新运行算法。

如果您的意思是将对象的内部分类为背景，那么您可以执行填充算法。如果您填充每个区域，它正在尝试进行分类，请拒绝任何无法一直填充到像素的区域（0,0）。这应该会给你一个不与对象重叠的区域列表。